Intelligent Edge Resource Provisioning for Scalable Digital Twins of Autonomous Vehicles
针对自动驾驶车辆数字孪生(DTs)运行中计算资源管理的挑战,提出集成DTs与移动边缘计算(MEC)的分布式架构及网络感知任务配置算法,通过仿真验证将同步误差降至5%以下、资源利用率达99.5%,提升DT鲁棒性与可扩展性。
2025-08-15 cs.NI
Scalable Resource Provisioning for Multi-user Communications in Next Generation Networks
针对NGN中多用户实时会话的资源供给挑战,本文提出MARA机制,协同管理基于类别的带宽与多播资源,显著降低开销并经仿真验证可优化网络性能。
2024-01-17 cs.NI
Dynamic Service Provisioning in the Edge-cloud Continuum with Provable Guarantees
我们认为一个层次化的边缘云架构,其中提供给移动用户的服务链的虚拟网络功能。每个服务都有特定的计算需求和目标延迟性能,这就需要适当地放置相应的链并分配适量的计算资源。此外,链迁移可能是满足服务的目标延迟所必需的,或者便于保持服务供应成本较低。我们解决这些问题,通过形式化的最佳链放置和资源分配的边缘云连续体的问题,考虑到迁移,带宽和计算成本。具体来说,我们首先设想一个算法,利用资源增加,解决上述问题,并提供了一个上限的资源量所需的找到一个可行的解决方案。我们使用该算法作为一个积木设计一个有效的方法,针对最低成本的解决方案,同时最大限度地减少所需的资源增加。我们的结果,通过跟踪驱动的,大规模的模拟,表明我们的解决方案可以提供一个可行的解决方案,使用一半的资源所需的国家的最先进的替代品。
2022-02-17 cs.NI
Dynamic Resource Provisioning of a Scalable E2E Network Slicing Orchestration System
网络切片允许不同的应用程序和网络服务部署在运行于公共底层物理基础设施上的虚拟化资源上。开发用于端到端(E2 E)移动网络切片编排的可扩展系统需要仔细规划和非常可靠的算法。本文提出了一种新的E2 E网络切片编排系统(NSOS)及其动态自伸缩算法(DASA),该系统基于分层体系结构,每个域都有专门的实体来管理从接入到传输和核心网的移动网络的每一个部分,从而实现可伸缩的联合网络切片编排。DASA使NSOS能够自主地使其资源适应切片编排请求(SOR)的需求变化,同时强制NSOS处理任何SOR所花费的给定平均总时间。所提出的DASA包括主动和被动资源供应技术。建议的DASA的资源尺寸的启发式算法是基于排队模型的NSOS,其中包括一个开放的网络的G/G/m队列。最后,我们通过系统级仿真验证了正确的操作,并评估了我们的DASA解决方案的NSOS的性能。
2022-01-05 cs.NI
Protected Working Groups-based Resilient Resource Provisioning in MCF-enabled SDM-EONs
本文提出PWCG/UPWCG方案,通过流量和串扰考虑将核心分组并利用DSCG资源进行保护,在动态网络场景中实现资源提供,有效降低了链路故障带来的损耗。
2023-11-20 cs.NI
Resource Management and Quality of Service Provisioning in 5G Cellular Networks
随着5G技术的商业推出和蜂窝网络基础设施的快速扩张,预计蜂窝和移动网络流量将呈指数级增长。此外,新的服务预计将广泛传播,例如连接到移动网络的物联网。这将在业务负载方面增加额外的负担。因此,一些研究表明,与现在产生的流量相比,移动流量可能会增加1000多倍。这意味着必须以智能的方式管理和控制用于移动服务的网络资源,因为资源总是有限的,但是对服务的需求和保持用户设备总是连接到移动网络的需要可以被认为是无限的,从而在巨大的服务需求和可用资源之间留下差距。为了缩小这一差距,应主要考虑网络资源的管理,以避免高峰时段和流量高峰期间的网络拥塞和性能下降,并允许更多客户在需求高时访问网络服务。另一方面,保证各种新业务的服务质量要求是5G网络必须满足的另一个挑战。在本文中,我们将回顾5G网络的特点和规范,然后对资源管理和QoS提供进行调查,以提高和管理5G网络中的资源利用率。
2020-08-21 cs.NI
Stringer: Balancing Latency and Resource Usage in Service Function Chain Provisioning
网络功能虚拟化(NFV)使电信基础设施提供商能够用运行虚拟化网络功能(VNF)的商品服务器取代专用网络设备。利用NFV技术的服务提供商面临将VNF实例分配给物理基础设施(例如,数据中心)和路由服务功能链(客户所需的功能序列,也称为SFC)在物理网络中。在这样做时,提供者必须在性能和资源使用的各种竞争目标之间进行平衡。我们提出了一种方法,为证监会提供,包括三个要素。第一个要素是快速、可扩展的循环启发式。第二个要素是基于混合可编程(MIP)的方法。第三个要素是一个延迟理论模型,用于估计与任何SFC配置解决方案相关的平均延迟。结合这些元素,创建一种方法,生成一组SFC配置解决方案,反映资源使用和性能之间的不同权衡。
2016-06-09 cs.DC cs.NI
Resource Provisioning in Edge Computing for Latency Sensitive Applications
自动驾驶汽车、增强/虚拟现实设备和安全应用等低延迟物联网应用需要高计算资源才能在运行中做出决策。然而,由于经历的延迟,这些类型的应用程序不能容忍将其任务卸载到云基础设施上处理。因此,引入边缘计算是为了通过将任务处理移动到更靠近网络边缘的用户来实现低延迟。网络边缘的特征在于形成它的边缘设备的异质性;因此,设计考虑每个边缘设备的不同物理资源的新颖解决方案至关重要。在本文中,我们提出了一种资源表示方案,允许每个边缘设备暴露其资源信息的边缘节点的主管通过移动边缘计算应用程序编程接口提出的欧洲电信标准协会。每当需要资源分配时,关于边缘设备资源的信息被暴露给EN的监管者。为此,我们利用李亚普诺夫优化框架在边缘设备上动态分配资源。为了测试我们提出的模型,我们进行了密集的理论和实验模拟的测试平台上,以验证所提出的方案及其对不同系统的参数的影响。模拟表明,我们提出的方法优于其他基准方法,并提供低延迟和最佳资源消耗。
2022-01-27 cs.NI
Hierarchical Placement Learning for Network Slice Provisioning
针对边缘移动网络切片供给问题,提出基于分层多臂老虎机的两级在线放置策略,最大化请求接受率并最小化节点资源利用率,仿真显示性能优于基线。
2025-08-08 cs.NI
Software-Defined Elastic Provisioning of IoT Edge Computing Virtual Resources
本研究提出一种结合SDN、容器化和传感器虚拟化的管理方案,实现物联网雾计算资产的按需激活,并在测试平台中验证了其能成功部署边缘容器激活策略。
2023-04-01 cs.NI
Running the Network Harder: Connection Provisioning under Resource Crunch
传统上,网络以其容量的一小部分运行;然而,诸如软件定义网络之类的最新技术可以让运营商更努力地运行其网络(即,更高的利用率)。更高的利用率可以增加网络运营商的收入,但这种收益是有代价的:每天的流量波动和故障可能偶尔会使网络过载。我们称这种情况为资源紧缩。处理资源紧缩需要系统中的某些类型的灵活性。我们专注于具有灵活带宽要求的场景,例如,某些连接可以容忍较低的带宽分配。这可以释放容量以提供否则将被阻止的新请求。为此,网络运营商需要做出明智的决定,因为减少高付费连接的带宽来分配低价值连接是不明智的。我们提出了一种策略,以决定是否提供一个请求(以及其他连接降级),重点是在资源紧缩的利润最大化。为了解决这个问题,我们使用了一个网络状态的抽象,称为连接邻接图(CAG)。我们提出了PROVISIONER,它将我们的CAG解决方案与高效的线性规划(LP)相结合。我们将我们的方法与现有的贪婪方法和LP唯一的解决方案进行比较,并表明我们的方法在资源紧缩期间优于它们。
2018-04-25 cs.NI
Resource Provisioning and Profit Maximization for Transcoding in Information Centric Networking
自适应比特率流(ABR)已被广泛采用以支持异构设备和变化的网络条件上的视频流服务。使用ABR,每个视频内容被转码成不同比特率和分辨率的多个表示。然而,视频转码是计算密集型的,这要求转码服务提供商部署大量的服务器用于对由内容生产者发布的视频内容进行转码。因此,转码服务提供商的自然问题是如何提供用于转码视频内容的计算资源,同时最大化服务利润。针对这一问题,利用云计算技术弹性分配计算资源,设计了一个云视频转码系统。提出了一种在两个时间尺度上联合考虑任务调度和资源供应问题的方法,将服务利润最大化问题转化为两个时间尺度的随机优化问题.我们得到了一些近似的任务调度和资源供应的政策。基于我们提出的方法,我们实现了我们的开源云视频转码系统Morph,并在实际环境中评估其性能。实验结果表明,与基准方案相比,该方法可以减少资源消耗,获得更高的收益。
2016-05-18 cs.MM cs.NI
SLA-Oriented Resource Provisioning for Cloud Computing: Challenges, Architecture, and Solutions
云计算系统承诺为全球用户提供面向订阅的企业级计算服务。随着向大量用户提供服务的需求增加,他们需要为用户提供差异化服务,并满足他们的质量期望。数据中心中现有的资源管理系统尚未支持面向服务水平协议(SLA)的资源分配,并且因此需要增强以实现云计算和效用计算。此外,还没有完成将客户驱动的服务管理、计算风险管理和自主资源管理共同合并到基于市场的资源管理系统中以瞄准云计算的快速变化的企业需求的工作。本文介绍了面向SLA的资源管理的愿景、挑战和架构元素。建议的架构支持基于市场的配置策略和虚拟化技术的集成,以灵活地将资源分配给应用程序。从我们的工作原型系统的性能结果表明,在云中基于SLA的资源提供的可行性和有效性。
2012-01-22 cs.DC cs.NI
SQLR: Short-Term Memory Q-Learning for Elastic Provisioning
IMDEA Networks Institute(IMDEA网络研究所);University Carlos III of Madrid(马德里卡洛斯三世大学);University of Trento(特伦托大学)
随着越来越多的应用程序提供商过渡到云并在软件即服务(SaaS)的基础上提供服务,云提供商需要使其配置系统足够灵活,以满足服务水平协议。与此同时,他们应防止过度供应,这限制了他们容纳更多租户的能力。为此,我们提出SQLR,一个动态配置系统,采用定制的无模型强化学习算法,能够重用从一个工作负载的上下文知识,以优化资源配置为其他工作负载模式。SQLR实现的结果与资源不受约束的结果相当,并且开销最小。我们的实验表明,我们可以减少近25%的供应资源的量,不到1%的整体服务不可用(由于阻塞),同时提供类似的响应时间的过度供应的系统。
2019-11-18 cs.LG cs.NI
On QoS-assured degraded provisioning in service-differentiated multi-layer elastic optical networks
新的网络应用的出现正在驱使网络运营商不仅满足动态带宽需求,而且提供各种等级的服务。降级配置提供了一种有效的解决方案,可以在网络拥塞发生时灵活地在各个维度上分配资源,以减少对差异化需求的阻塞。在这项工作中,我们研究了新的问题,在线降级供应的服务区分多层网络的光弹性。服务质量(QoS)通过服务保持时间延长和服务一到达就立即接入而没有建立延迟来保证。我们将问题分解为降级路由和降级资源分配阶段,并设计多项式时间算法与增强的多层架构,以增加网络的灵活性,在时间和频谱维度。说明性的结果验证,我们可以实现显着减少网络服务故障,特别是具有较高优先级的请求。结果还表明,光层的退化可以增加网络容量,而电层的退化提供灵活的时间带宽交换。
2017-01-04 cs.NI
Application of Selective Algorithm for Effective Resource Provisioning in Cloud Computing Environment
现代对IT部门中的资源饥渴服务和应用的持续需求导致了云计算的发展。云计算环境一方面涉及高成本的基础设施,另一方面需要高规模的计算资源。这些资源需要以最有效的方式提供(分配和调度)给最终用户,以便有效和高效地利用云的巨大功能。在本文中,我们讨论了一个选择性的算法分配云资源的最终用户按需的基础上。该算法基于min-min和max-min算法。这是两种传统的任务调度算法。选择性算法使用某些算法在两种算法之间进行选择,以使机器上任务的总完工时间最小化。任务以空间共享或时间共享的方式在机器上调度。我们使用一个名为CloudSim的云模拟器来评估我们的配置策略。我们还比较了我们的方法时,获得的资源配置的统计数据进行了先加先服务(FCFS)的方式。实验结果表明,在不同的情况下,给定的虚拟机集上的任务的总完工时间显着最小化。
2014-03-12 cs.DC cs.NI
Survey on Machine Learning for Traffic-Driven Service Provisioning in Optical Networks
全球互联网流量的空前增长,加上在某种程度上创造了可预测的潮汐流量条件的大的时空波动,正在推动从被动到主动并最终向自适应光网络的演变。在这些网络中,业务驱动的服务供应可以解决网络过度供应的问题,并更好地适应业务变化,同时保持服务质量在所需的水平。这种方法将减少网络资源过度配置,从而降低总网络成本。本调查提供了一个全面的审查,在光层的机器学习(ML)为基础的技术,用于流量驱动的服务供应的最新技术。首先介绍了光网络中服务提供的演变,然后概述了用于流量驱动服务提供的ML技术。详细介绍了ML辅助的服务提供方法,包括在主动和自适应网络中的预测性和规定性服务提供框架。对于所概述的所有技术,还讨论了它们的局限性,研究挑战和潜在的机会。
2023-02-23 cs.NI
Slicing-Based AI Service Provisioning on Network Edge
边缘智能利用网络边缘的计算资源,提供贴近网络用户的人工智能(AI)服务。由于它能够实现快速推理和分布式学习,边缘智能被认为是6G网络的重要组成部分。在本文中,我们研究了支持边缘智能的AI服务配置。首先,我们介绍了AI服务的特点和要求。然后介绍了AI服务数据管理,并为AI服务定制了网络切片。具体而言,我们提出了一种新的资源池方法,以联合管理AI服务的服务数据和网络资源。一个跟踪驱动的案例研究证明了所提出的资源池方法的有效性。通过这项研究,我们说明了在网络边缘提供AI服务的必要性、挑战和潜力。
2021-05-14 cs.NI cs.SY eess.SY
Heterogeneous Services Provisioning in Small Cell Networks with Cache and Mobile Edge Computing
在支持全双工(FD)的小型小区网络的领域中,在考虑高速缓存和移动边缘通信(MEC)方面已经进行了有限的工作。在本文中,一个虚拟的FD使能的小小区网络与缓存和MEC的两个异构服务,高数据速率服务和计算敏感的服务。在我们提出的方案中,内容缓存和FD通信紧密结合,提供高数据速率的服务,而无需回程资源的成本。通过计算卸载来保证用户的时延需求。然后,我们制定了一个虚拟的资源分配问题,其中用户关联,功率控制,缓存和计算卸载策略和资源分配共同考虑。由于原问题是一个混合的组合问题,必要的变量松弛和重新制定进行原问题转化为一个凸问题。采用交替方向乘子法(ADMM)算法求解最优解。最后,在不同的系统配置下进行了大量的仿真,以验证所提出的方案的有效性。
2017-06-29 cs.NI
A Coverage-Aware Resource Provisioning Method for Network Slicing
通过5G网络中的网络切片,移动网络运营商可以为服务提供商(SP)创建各种切片,以适应定制服务。通常,属于切片的各种服务功能链(SFC)是基于尽力而为来部署的。没有什么能确保基础设施提供商(InP)能够分配足够的资源来应对某些SP不断增长的需求。此外,在许多情况下,切片必须部署在某些地理区域上:然后必须考虑覆盖范围以及最低每用户速率约束。本文以InP的角度来看,并提出了一个切片资源配置方法,以应付多个切片的需求,在计算,存储,覆盖范围和速率的限制。切片内的各种SFC的资源需求被聚集在切片资源需求(SRD)的图内。然后,必须提供基础设施节点和链路,以满足所有SRD。这个问题导致了一个混合线性规划公式。考虑了两步方法,具有几个变体,这取决于要供应的每个切片的约束是顺序考虑还是联合考虑。一旦已经执行了供应,就可以在其上已经供应了资源的减小大小的基础设施图上考虑任何切片部署策略。仿真结果表明,所提出的方法相比,一个更经典的直接切片嵌入方法的有效性。
2020-08-21 cs.MM cs.NI
QoS Provisioning Using Optimal Call Admission Control for Wireless Cellular Networks
无线网络中对高级服务的日益增长的需求提出了利用适当的资源管理来提供服务质量(QoS)的问题。在这项研究中,这样的无线网络的配置技术是由呼叫准入控制(CAC)。本文提出了一种新的呼叫接入控制方法,即统一分数频带(UFB),用于在无线网络中为新呼叫和切换呼叫提供适当的优先级。该UFB方案基本上是一种新型的切换优先级方案。在该方案中,切换优先级由两个阶段提供,这有助于网络利用更多的资源。此外,切换呼叫速率估计和它的QoS供应的影响进行了广泛的讨论,以达到最佳的QoS在建议的切换优先级方案。在提供多业务的无线网络中,低优先级业务的过度呼叫阻塞经常在非常高的业务速率下发生,这是QoS提供的一个关注问题。为了实现这样的QoS提供多个服务,另一个CAC计划,提出了这项研究工作。该方案被认为是均匀带细化(UBT)方案,它是基于均匀细化技术(UTT),这是非常类似的思想,UFB方案。在该方案中,一组信道经历细分策略。该方案降低了较低优先级业务类的呼叫阻塞概率(CBP),而不会显著增加较高优先级业务类的呼叫阻塞概率。该方案的分析功能推导出一般形式,这是有用的推导任何数量的业务类。此外,数值分析的建议UBT计划表明,性能方面的呼叫阻塞概率,整体呼叫阻塞概率,和信道利用率的改善和优化相比,传统的固定保护信道计划。
2015-02-23 cs.NI
APMEC: An Automated Provisioning Framework for Multi-access Edge Computing
新的用例和垂直领域,如5G和触觉互联网领域的联网汽车和人机协作,可以从网络功能虚拟化(NFV)和多访问边缘计算(MEC)提供的灵活性和减少的延迟中受益匪浅。管理和编排MEC和NFV的现有框架要么紧密耦合,要么完全分离。前一种设计是不灵活的,并且增加了一个框架的复杂性。然而,后者导致计算资源的低效使用,因为信息不共享。我们引入了APMEC,这是一个专用于MEC的框架,同时支持与NFV的管理和编排(MANO)框架的协作。新设计允许重用已分配的网络服务,从而最大限度地提高资源利用率。测量结果表明,APMEC可以分配高达60%以上的网络服务数量。APMEC是在OpenStack之上开发的开源项目,可用于协作并促进进一步的研究活动。
2022-05-09 cs.NI
Cached Model-as-a-Resource: Provisioning Large Language Model Agents for Edge Intelligence in Space-air-ground Integrated Networks
本文提出一种空天地一体化网络中联合模型缓存与推理的边缘智能框架,引入“缓存模型即资源”概念与“思维年龄”指标,设计了最小AoT替换算法和DQMSB拍卖机制,在优化配置成本的同时将分配效率提升23%。
2024-05-31 cs.NI eess.SP
On the Efficiency and Quality of Protection of Preprovisioning in Elastic Optical Networks
保护技术的研究,如预配置(离线)和供应(在线),已经在光网络文献中以几种方式进行了探索。在新的弹性光网络(EON)模式中,预配置技术仍然很少被探索。预配置意味着在网络中预先分配资源,用于传输和保护未来的连接需求,而配置意味着当需求到达网络时分配资源。应用预配置可减少连接在发生故障后所经历的停机时间,从而减少不可用性,并可能避免因违反与客户端网络建立的服务级别协议(SLA)而受到处罚。本研究旨在探讨主要的保护技术,并评估其在EON场景中的有效性。性能评估表明,使用预配置技术是更有效的,显着降低网络的不可用性和带宽的使用在EON网络。我们的解决方案的不可用性比共享解决方案低40倍,仅比最佳解决方案高出4%。
2022-02-04 cs.NI
Dynamic and Application-Aware Provisioning of Chained Virtual Security Network Functions
网络功能虚拟化的一个有前景的应用领域是网络安全,其中虚拟安全网络功能(VSNF)链,即,可以动态创建和配置防火墙或入侵防御系统等安全特定虚拟功能,以检查、过滤或监控网络流量。然而,VSNF处理的流量可能对特定的网络要求敏感,例如最小带宽或最大端到端延迟。因此,在决定哪些VSNF应适用于特定应用程序、将它们放置在何处以及如何连接它们时,应考虑到这些要求。否则,安全服务可能会影响客户体验的服务质量。在本文中,我们提出了PESS(安全服务的渐进嵌入),这是一种基于单个应用程序和运营商策略的安全要求有效部署虚拟化安全功能链的解决方案,同时优化资源利用率。给出了PESS的数学模型和启发式求解方法。仿真结果表明,与最先进的应用无关的VSNF配置模型相比,PESS在不同的网络场景中减少了高达50%的计算资源利用率。这一结果最终导致更高数量的预配置安全服务,并将应用程序流量的端到端延迟减少多达40%。
2021-03-18 cs.NI
Flexible Network Bandwidth and Latency Provisioning in the Datacenter
可预测地共享网络对于实现数据中心的高利用率至关重要。过去的工作集中在为端点提供带宽,但我们通常希望在多节点服务之间分配资源。在本文中,我们提出了Parley,它提供了以服务为中心的最小带宽保证,这可以组成层次。Parley还支持以服务为中心的加权共享超过这些保证的带宽。此外,我们将展示如何配置这些策略,使服务即使在高网络负载下也可以获得低延迟。我们评估Parley的多层超额认购网络连接90台机器,每台机器都有一个10 Gb/s的网络接口,并证明Parley能够实现其目标。
2014-05-06 cs.NI
Slicenet: a Simple and Scalable Flow-Level Simulator for Network Slice Provisioning and Management
本文提出Slicenet,一个类似mininet的流级端到端网络切片模拟器,用于在大规模拓扑上评估资源分配与功能放置,支持策略实施、可视化及QoS、SLA等多维度分析。
2023-10-17 cs.NI
Availability-Aware and Efficiency-Driven AI Service Chain Provisioning in Multi-Domain Edge Intelligence Cloud
School of Cyber Science and Engineering, University of International Relations(国际关系学院网络空间安全学院)
针对多域边缘智能云中AI服务链供应问题,提出基于图与时间的多智能体供应方法,协同优化成本、时延和可用性。
2026-06-04 cs.NI
Renewable Energy Powered and Open RAN-based Architecture for 5G Fixed Wireless Access Provisioning in Rural Areas
针对农村地区光纤部署成本高的问题,提出一种可再生能源供电的基于Open RAN的5G FWA架构,通过三级闭环联合优化无线和能源资源分配,利用强化学习和连续凸逼近求解,满足97.14%的切片延迟预算。
2024-11-08 cs.NI
Asynchronous Distributed Protocol for Service Provisioning in the Edge-Cloud Continuum
针对边云一体化中微服务部署匹配难、时间关键型服务需随用户迁移的问题,提出一种分布式异步微服务部署协议,可降低开销、避免单点故障提升稳定性,实现低成本可行部署且带宽占用极低。
2023-04-29 cs.NI
Dora: A Controller Provisioning Strategy in Hierarchical Domain-based Satellite Networks
针对分层卫星网络控制器部署难题,提出三层域架构与强化学习策略 Dora,以更低计算开销提升部署质量并大幅缩短运行时间。
2025-07-27 cs.NI
NEWCAST: Anticipating Resource Management and QoE Provisioning for Mobile Video Streaming
由于移动应用程序和服务以及智能手机传感器提供了丰富的上下文信息,了解移动网络中未来吞吐量变化的可能性越来越大。甚至可能的是,这样的上下文信息(可能包括业务、移动性和无线电条件)将导致尚未想到的新颖的敏捷资源管理。在本文中,我们提出了一个框架(称为NEWCAST),预计吞吐量的变化,提供视频流内容。我们开发了一个优化问题,实现了关键指标,影响用户的感知体验质量(QoE)和系统利用率的成本之间的基本权衡。从[1]中收集的模拟和真实世界吞吐量跟踪都被用来评估NEWCAST的性能。特别是,我们的数值结果表明,NEWCAST提供了新的5G架构在计算复杂性和鲁棒性方面所需的效率。我们还实现了一个原型系统的NEWCAST和评估它在一个真实的环境中与一个真实的播放器,以显示其效率和可扩展性相比,基线自适应比特率算法。
2018-01-25 cs.MM cs.NI
Distributed AI in Zero-touch Provisioning for Edge Networks: Challenges and Research Directions
Indian Institute of Information Technology Sri City(斯里城印度信息技术学院);National University of Singapore(新加坡国立大学);TU Wien(维也纳工业大学);University of Oulu(奥卢大学);University of Tartu(塔尔图大学)
本文研究将分布式人工智能与零接触配置结合用于边缘网络,以降低人工干预并提升资源供给的智能化和可扩展性,同时提出未来研究方向。
2023-11-29 cs.AI cs.NI
Integrated Heterogeneous Service Provisioning: Unifying Beyond-Communication Capabilities with MDMA in 6G and Future Wireless Networks
针对6G将通信外能力(定位、感知、同步)与传统连接功能整合的挑战,提出基于MDMA的三大策略(资源共享、价值导向、面优化),经同步通信集成案例验证可最大化集成收益并最小化开销。
2024-11-27 cs.NI
Federated Machine Reasoning for Resource Provisioning in 6G O-RAN
本文提出联邦机器推理(FLMR)框架,通过神经符号方法融合联邦推理、学习与查询,利用vBS本地监控数据优化6G O-RAN中CPU需求预测,在资源过度供给与供给不足之间取得更好平衡,并相比DeepCog基线将两种供给降低6倍。
2024-06-10 cs.IT cs.NI math.IT
A New Realistic Platform for Benchmarking and Performance Evaluation of DRL-Driven and Reconfigurable SFC Provisioning Solutions
本文提出一种基于DRL的真实SFC供应仿真平台,支持海量异构请求与多种网络配置,并以最优接受率、低时延和低资源消耗完成性能评估。
2024-06-14 cs.NI
Design of QoS-aware Provisioning Systems
我们提出了一个架构的托管系统组成的一组托管的Web服务的QoS约束,和一定数量的服务器用于运行用户的需求。流量是基于会话的,而提供商和用户就指定预期服务性能水平的SLA达成一致,使得如果性能水平不令人满意,则服务提供商有责任补偿他/她的客户。该系统由效用函数驱动,该效用函数试图优化单位时间的平均收入。中间件收集需求和性能统计数据,并估计流量参数,以便做出有关服务器分配和准入控制的动态决策。我们实证评估的准入政策,资源分配和服务差异化计划的实现收入的影响,我们发现,我们的系统是足够强大的,成功地处理基于会话的流量在不同的条件下。
2010-12-02 cs.NI
Dynamic Resource Management in Clouds: A Probabilistic Approach
动态资源管理已经成为云计算范例中的一个活跃的研究领域。资源的成本因使用它们的配置而异。因此,高效的资源管理是云提供商和云用户的首要兴趣。在这项工作中,我们提出了一个概率资源配置的方法,可以利用作为一个动态的资源管理方案的输入。使用视频点播用例来证明我们的主张,我们提出了一个分析模型的灵感来自流行病学传播的标准模型,代表突然和激烈的工作量变化。我们发现,由此产生的模型验证了一个大偏差原则,统计特征的极端罕见的事件,如产生的“嗡嗡声/闪光人群效应”,可能会导致工作负载溢出的VoD上下文中。这种分析提供了有价值的洞察系统的预期异常行为。我们利用所获得的信息,使用大偏差原则的建议视频点播用例定义政策(服务水平协议)。我们相信,在云网络的新兴环境中,所有利益相关者都可能对这些弹性资源配置和使用策略感兴趣
2012-09-21 cs.NI
SDN-controlled and Orchestrated OPSquare DCN Enabling Automatic Network Slicing with Differentiated QoS Provisioning
在这项工作中,我们提出和实验评估的自动和灵活的NS配置的光OPSquare DCN控制和编排的扩展SDN控制平面的多租户应用程序与差异化的QoS配置。光流控制(Optical Flow Control,OFC)协议是为了防止交换机端由于数据包竞争而导致的数据包丢失而开发的,基于收集的数据平面的资源拓扑,SDN控制平面可以对光网络切片进行动态配置和自动重配置。同时,实验结果验证了应用流的优先级分配能够为不同切片提供动态的QoS性能,这些切片在丢包率和传输延迟方面具有特定的要求。此外,将数据平面的流量统计信息暴露给SDN控制平面的能力使得能够实现负载均衡算法,从而进一步提高具有高QoS的网络性能。对于负载为0.5的具有最高优先级的切片网络,可以保证没有分组丢失和小于4.8 us的服务器到服务器延迟。
2020-01-10 cs.NI
Proactive SFC Provisioning with Forecast-Driven DRL in Data Centers
School of Electrical Engineering and Computer Science, University of Ottawa(电气与计算机科学学院,渥太华大学);Ciena(Ciena公司)
本文提出基于预测驱动深度强化学习的SFC资源配置方法,通过集成多种深度学习模型提升资源分配效率与服务质量。
2026-01-28 cs.LG cs.NI
GenAI Assistance for Deep Reinforcement Learning-based VNF Placement and SFC Provisioning in 5G Cores
University of Ottawa(渥太华大学);Ciena(Ciena公司)
针对5G核心网动态环境下的VNF放置与SFC供给问题,提出生成式VAE辅助的先进DRL混合方法,在接受率、E2E时延和吞吐量上优于现有DRL。
2024-11-19 cs.NI
End-to-End Service Delivery with QoS Guarantee in Software Defined Networks
软件定义网络(SDN)预计将对未来网络产生重大影响。尽管SDN的实现已经取得了令人兴奋的进展,但在未来互联网中应用这种新的网络模式来支持端到端的QoS提供面临着一些新的挑战。互联网中共存的自治网络域和互联网上部署的不同用户应用程序需要统一的服务交付平台(SDP),该平台能够实现高层网络抽象和域间协作,以实现端到端服务提供。然而,目前可用的SDN技术缺乏用于支持这样的平台的有效机制。在本文中,我们首先提出了一个SDP框架,应用网络即服务(NaaS)的原则,提供网络抽象和编排端到端的服务提供在基于SDN的未来互联网。然后,我们重点研究了两个使能技术,这样的SDP,以实现QoS保证,即网络抽象模型和端到端的资源分配计划。具体来说,我们提出了一个通用的模型抽象的网络域提供的服务能力,并开发一种技术,用于确定所需的带宽在网络域中的端到端的服务提供QoS保证。本文的分析和数值计算结果表明,基于NaaS的SDP不仅简化了SDN服务和资源管理,而且提高了端到端QoS提供的带宽利用率。
2018-03-28 cs.NI
Network Slice Embedding over Space Division Multiplexed Elastic Optical Networks
The University of Texas at Dallas(德克萨斯大学达拉斯分校);San Jose State University(圣何塞州立大学)
本文研究了空间分乘复用弹性光网络上的网络切片嵌入问题,提出WMSM方案整合计算放置与频谱分配,提升资源利用率和频谱效率。
2026-04-13 cs.NI
Digital Tides: A Fluid-Dynamic Framework for Flux-Aware Infrastructure Provisioning in UAV Logistics Networks
Future Technology Research Center, China Telecom Research Institute(中国电信研究院未来技术研究中心);Cloud Network Operating System R&D Center, China Telecom(中国电信云网操作系统研发中心);School of Electronics and Computer Science, University of Southampton(南安普顿大学电子与计算机科学学院)
针对无人机物流网络中传统资源配置策略的滞后问题,提出流体动力学框架及流量感知非对称激活策略,实现服务可靠性与能耗的帕累托最优权衡。
2026-08-21 cs.NI
A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication
University of Glasgow(格拉斯哥大学);Nanyang Technological University(南洋理工大学);Clemson University(克莱姆森大学)
针对无线网络中AIGC服务面临的信道不稳、带宽有限和计算资源不均问题,提出基于语义通信的SemAIGC框架,集成扩散模型与ROOT方案,实现高效生成与传输,仿真验证其在延迟和内容质量上的优势。
2024-11-08 cs.AI cs.LG cs.NI
A Deep RL Approach on Task Placement and Scaling of Edge Resources for Cellular Vehicle-to-Network Service Provisioning
Nokia Bell Labs(诺基亚贝尔实验室);Scuola Superiore Sant’Anna(圣安娜高等科学院);NEC Laboratories Europe(NEC欧洲实验室)
针对C-V2N服务中任务放置与边缘资源扩缩容的联合优化难题,提出在混合动作空间运行的DRL方法DHPG,并通过真实数据集仿真证明其可保证第99百分位延迟目标、优化资源利用且支持实时服务。
2025-06-07 cs.AI cs.MA cs.NI
Two-level Closed Loops for RAN Slice Resources Management Serving Flying and Ground-based Cars
飞行和地面汽车需要各种服务,如自动驾驶、远程驾驶、信息娱乐和远程诊断。每种服务都需要特定的服务质量(QoS)和网络功能。因此,网络切片可以是满足各种服务需求的解决方案。一些服务,如信息娱乐,可能有类似的要求,以服务于飞行和地面汽车。因此,有些切片可以服务于这两种汽车。然而,当网络切片资源共享过于激进时,切片不能满足QoS要求,资源不足导致QoS违规,资源过度配置导致资源利用不足。我们提出了两个闭环来管理汽车的RAN切片资源,以应对这些挑战。首先,我们提出了一个拍卖机制分配资源块(RB)的租户提供服务的汽车使用切片。其次,我们设计了一个闭环,该闭环将租户的切片和服务映射到虚拟开放分布式单元(vO-DU),并将RB分配给vO-DU以用于管理目的。第三,我们设计了另一个闭环的切片内RB调度服务的汽车。第四,我们提出了一个奖励函数,将这两个闭环连接起来,以满足汽车在每个切片上随时间变化的需求,同时满足延迟方面的QoS要求。最后,我们设计了分布式深度强化学习方法,以最大化制定的奖励函数。仿真结果表明,该方法能够满足90%以上的vO-DU资源约束和网络切片要求。
2022-08-25 cs.NI
Service Provisioning in Mobile Environments through Opportunistic Computing
抽象计算是完全自组织的普适网络的一个范例。用户的设备不再仅仅依赖于固定的基础设施,而是充当彼此的服务提供商。它们使用成对联系来收集关于所遇到的节点提供的服务和提供服务的时间量的信息。在每个节点处,在生成服务请求时,该信息用于基于本地知识选择满足该请求的最有效的服务或服务组合。智能计算可以在多种场景中使用,包括移动社交网络、物联网和互联网4.0。在本文中,我们提出了一个机会计算算法的分析模型的基础上,排名可用(组成)的服务,根据他们的预期完成时间。通过该模型,服务请求者选择预期最好的服务。实验表明,该算法能够准确地对服务进行排序,从而提供了一种有效的服务选择策略。与其他参考策略相比,这样的策略实现了显著更低的服务提供时间。它的性能进行了测试,在各种各样的情况下,不同的节点移动性,输入/输出参数的大小,资源拥塞的水平,服务执行的计算复杂性。
2022-05-27 cs.NI
Hierarchical Capacity Provisioning for Fog Computing
雾计算的概念是在网络边缘提供计算资源,从而减少延迟,提高服务质量。然而,仍然期望研究在网络的边缘处应该如何以及在何处提供计算能力。为此,我们提出了一个分层的能力供应计划。特别是,我们认为一个两层的网络架构组成的浅和深的云,并探讨分层容量的好处的基础上,嵌入式分析。此外,我们探讨了两种不同的网络场景,其中两层之间的网络延迟可以忽略不计,以及深云位于网络中更深处的情况,因此延迟很大。更重要的是,我们建模的第一个网络延迟的情况下,无缓冲区的浅云,以及第二种情况下,有限大小的缓冲区的浅云,并制定每个模型的优化问题。我们还使用随机排序来解决第一个模型的优化问题,并提出了一个上限为基础的技术,第二个模型。该方案的性能进行评估,通过模拟中,我们显示的准确性,建议的上限技术,以及随机生成的输入和真实的跟踪数据的队列长度估计方法。
2018-07-03 cs.NI
Energy-Efficient Resource Allocation for Mobile Edge Computing-Based Augmented Reality Applications
移动边缘计算是在移动设备上启用增强现实(AR)应用的供应解决方案。AR移动应用在上行链路的数据汇集、边缘计算和下行链路的数据传输方面具有固有的协作属性。在这封信中,利用这些功能,提出了一种新的资源分配方法,在通信和计算资源。通过连续凸近似(SCA)实现的方法,被认为是产生相当大的收益相比,传统的独立卸载用户的移动能耗。
2017-03-25 cs.NI
A QoS Provisioning Recurrent Neural Network based Call Admission Control for beyond 3G Networks
呼叫接纳控制(CAC)是无线资源管理(RRM)技术中的一种,在下一代网络中对保证用户和应用所需的服务质量(QoS)起着重要作用。提出了一种基于模糊神经网络的多类业务下一代无线网络(NGWN)的呼叫接纳控制决策方法。建议的模糊神经呼叫准入控制(FNCAC)计划是一个综合的CAC模块,结合了语言控制能力的模糊逻辑控制器和学习能力的神经网络。该模型是基于递归径向基函数网络,具有更好的学习和适应性,可用于开发智能系统,以处理在异构网络环境中的传入流量。仿真结果表明,FNCAC算法的性能优于其他两种方法,并且与其他两种方法相比,呼叫阻塞率最小。
2010-04-20 cs.NI
RMCSA Algorithm for Congestion-Aware and Service Latency Aware Dynamic Service Provisioning in Software-Defined SDM-EONs
针对SDM-EON中链路拥塞导致服务阻塞、现有负载均衡算法需权衡阻塞性能与复杂度的问题,提出拥塞感知RMCSA算法与新型缓存策略,在降低阻塞率、提升频谱效率的同时大幅缩短服务时延。
2024-12-14 cs.NI
Poster: Flexible Scheduling of Network and Computing Resources for Distributed AI Tasks
针对分布式AI任务对大规模计算与网络互连的需求,本文研究提升通信效率的新型资源调度策略,并在可编程测试床上验证,同时指出相关挑战与未来研究方向。
2024-07-05 cs.NI
Resource Allocation in a Network-Based Cloud Computing Environment: Design Challenges
云计算是一种日益流行的计算范例,现在证明是效用计算服务的必要性。每个提供商都提供独特的服务组合,并提供一系列资源配置。以全面的方式为云服务提供资源对于任何资源分配模型都至关重要。任何模型都应该同时考虑计算资源和网络资源,以准确地表示和服务于实际需求。在配置资源时应考虑的另一个方面是能耗。这方面越来越受到业界和政府的关注。支持绿云的呼声越来越高。考虑到这一点,资源分配算法旨在完成在数据中心服务器上调度虚拟机的任务,然后在遵守问题约束的同时在可用的网络路径上调度连接请求。介绍了影响资源分配模型性能的几个外部和内部因素。这些因素进行了详细讨论,并指出了研究的差距。设计挑战进行了讨论,旨在提供一个参考时,设计一个全面的能源感知资源分配模型的云计算数据中心。
2013-09-04 cs.DC cs.NI